Závěrečné práce

Dnešní počítače umožňují načíst do paměti celou knihu a stránkový zlom optimalizovat globálně. Bude zpracována rešerše existujících řešení a navrženo některé k prototypové implementaci globální optimalizace stránkového zlomu TeXu. Bude vypracována sada testovacích příkladů a na nich řešení vyhodnoceno.

V matematice často existuje mnoho způsobů jak zapsat ekvivalentní výrazy – např. $\sqrt[n]{a}$ a $a^{\frac{1}{n}}$ jsou ekvivalentní. Pro potřeby plnotextového vyhledávání je však potřebné tyto ekvivalence rozpoznat a převést na společný tvar. Jednou z možností může být užití Computer Algebra Systems (CAS) software typu Maple, Mathematica apod. k transformaci výrazů na společný základní tvar, další je možnost naučení se kanonikalizační transformace pomocí neuronových sítí (technika transformerů).

Cílem práce je průzkum možností rešení problému a návrh prototypu kanonikalizátoru pro MIaS druhé generace a jeho workflow automatické normalizace matematických výrazů z rozsáhlých bází odborných textů typu arXiv.org při jejich indexaci pro plnotextové vyhledávání.

V práci bude provedena rešerše software pro OCR matematických textů. Bude provedena analýza existujících řešení, konkrétně Infty a navrženo řešení současných problémů. V praktické části se předpokládá rozšíření-nasazení softwarového systému nad Infty usnadňující vytvoření MathML reprezentace z OCR članků rozpoznaných programem InftyReader nad daty projektu EuDML a DML-CZ. V případě nasazení implementovaného systému v rámci projektu dml.cz či eudml.eu je možno počítat s cílovou finanční odměnou.